Um progresso notável foi alcançado na área de detecção automática de falhas em isoladores de linhas de transmissão de alta tensão com a criação do sistema AE-YOLO. Este novo framework utiliza imagens obtidas por veículos aéreos não tripulados (UAVs) e se propõe a enfrentar dificuldades como o desbalanceamento entre classes e variações de escala, que historicamente complicam a identificação precisa de falhas.
O AE-YOLO incorpora autoencoders leves dentro de uma rede em pirâmide de recursos, garantindo que informações essenciais sobre anomalias sejam mantidas durante a fusão dos dados em diversas escalas. Para aprimorar a distinção das características e minimizar as interferências do fundo, são utilizados módulos de atenção com blocos convolucionais ao longo da estrutura do sistema. Além disso, o modelo apresenta uma estratégia de regularização para autoencoders que visa maximizar a variância, promovendo representações latentes que sejam tanto diversificadas quanto discriminativas em relação às falhas.
No processo de treinamento, o sistema adota um objetivo unificado que combina perda focal, perda de interseção sobre união completa (CIoU) e a regularização do autoencoder. Essa metodologia corrige o desbalanceamento entre primeiro plano e fundo, resultando em melhorias na precisão da localização. Na fase de inferência, ocorre uma fusão ponderada das caixas que integra previsões provenientes das diferentes versões do YOLO, aumentando a sensibilidade a categorias raras de defeitos através de um mecanismo que eleva a confiança guiado pelos autoencoders.
A avaliação realizada com um conjunto de dados voltado para a detecção de falhas em isoladores revelou que o AE-YOLO, utilizando como espinha dorsal o EfficientNetV2, obteve 95,10% no mAP a 0,5, além de 96,40% de precisão e 93,80% no recall. Esses resultados superam em 5 pontos percentuais o melhor desempenho anterior da família YOLO no mAP a 0,5 e superam também em 6,7 pontos o recall, evidenciando a eficácia e adaptabilidade do sistema desenvolvido.
Este modelo se configura como uma solução prática e escalável para inspeções e monitoramentos relacionados aos defeitos em linhas de transmissão utilizando UAVs, conforme descrito no estudo acessível no arXiv.